近红外光谱（NIRs）在测定森林土壤碳氮磷含量中的应用研究

发布时间：2017-12-17 18:22

  本文关键词：近红外光谱（NIRs）在测定森林土壤碳氮磷含量中的应用研究

  更多相关文章： 亚热带森林 土壤有机碳 全氮 全磷 近红外光谱技术 偏最小二乘法

【摘要】：土壤养分是反映土壤肥力的重要指标,为植物生长提供养分来源。测定土壤碳(C)、氮(N)、磷(P)等养分含量主要采用化学分析方法,该方法的工作量大,程序繁琐,成本较高。已有研究表明近红外光谱(NIRs)技术具有测试速度快,效率高,污染较小等优点,可用来测定土壤养分含量。但NIRs方法需要大量的样本及其测定的养分和光谱数据,还需要对光谱数据进行预处理,然后建立模型,对模型进行检验和优化后,才能用来测定土壤养分含量。因此,研究NIRs方法测定森林土壤C、N、P含量具有较大的应用价值。本研究选择已建立的南酸枣落叶阔叶林和石栎-青冈常绿阔叶林的长期观测样地,分别在100m×100m样地内已划分100个10m×10m小样方的中心采集0-10cm、10-20cm和20-30cm的土壤样品,采用化学方法测量土壤有机C、全N、全P的含量,然后用傅立叶红外光谱仪测定各土样的近红外光谱特征和吸收值,采用偏最小二乘法(PLS)建立土壤C、N、P含量预测模型。主要研究结果为:(1)各土壤样品近红外光谱信息集中在4000nm-11000nm之间,采用直线减差法、矢量归一法、最小最大归一法、多元散射校正、一阶导数、二阶导数等6种方法进行预处理后,光谱的大多数信息集中在4000nm-7000nm之间,明显吸收峰4400nm-5400nm之间,特征明显的光谱集中于4400nm-5400nm之间,预处理后的光谱基本保留了原始光谱的吸收特征,能更好地判断其光谱特征。(2)土壤样品数越多,模型拟合度越高,样品数达到一定数量(400个土壤样品)后,模型的决定系数(R2)达到0.9以上并趋于稳定。对两种林分的土壤样品分别建模后,石栎-青冈常绿阔叶林土壤养分含量预测模型的拟合度比南酸枣落叶阔叶林土壤养分含量预测模型的低。两种林分土壤样品数据整合到一起后,模型的拟合度比南酸枣的低,但比石栎-青冈的高。可能是因为石栎-青冈林的土壤较为复杂,养分含量相对较难用线性的方法来拟合,同时表明不同林分土壤用同一个预测模型会有不同的拟合度。(3)土壤有机C和全N含量预测模型的拟合度比土壤全P含量预测模型的高,土壤有机C和全N含量预测值更接近真值,预测模型决定系数(R2)在0.8-0.9之间,交叉检验均方根误差(RMSECV)相对较小(4.4),相对分析误差(RPD)在可用范围(2.0),表明土壤中含C-H,N-H和O-H键的组分更适用于NIRs技术来测定其含量,建立的预测模型的重现性好,能够被应用于森林土壤的养分测定。(4)在OPUS软件中,6种预处理方法的效果来看,使用多元散射校正方法预处理后,建立预测模型的维数和决定系数(R2)较高,交叉检验均方根误差(RMSECV)相对很小,相对分析误差(RPD)比较高。采用多种预处理方法将会对模型的拟合度和精准度有进一步的提高,建议采用多元散射校正和矢量归一法同时来做预处理。
【学位授予单位】：中南林业科技大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S714

【相似文献】

中国期刊全文数据库 前10条

1 顾小曼,陈传波;红外光谱谱库的建立[J];华中农业大学学报;1988年01期

2 平树水;用近红外光谱划分葡萄干等级[J];新疆农垦科技;1997年01期

3 李永祥;李美龄;李贞景;张晓清;王斌;张玄和;罗成;;源于不同数据库的食源性有机分子红外光谱比较[J];农业工程;2013年06期

4 高继红;;红外光谱图分析中量的规范化表示[J];山东省农业管理干部学院学报;2011年01期

5 吴保国,刘贵生;我国七种重要材种的二氧六环木素的红外光谱[J];东北林业大学学报;1986年S3期

6 汤彦丰;王志宝;唐恩松;范国强;;中草药大黄小波变换的近红外光谱聚类分析[J];湖北农业科学;2013年16期

7 黄凌霞;金航峰;金佩华;;基于可见—近红外光谱的蚕茧含水率无损检测研究[J];蚕桑通报;2013年04期

8 王凤岭;周建科;吴婧;郁露;孙素琴;;栽培与野生丹参的红外光谱三级鉴定研究[J];现代仪器;2006年05期

9 梁奇峰;彭梦侠;林鹃;;纯蜂蜜与掺假蜂蜜的红外光谱鉴别研究[J];安徽农业科学;2009年01期

10 袁石林;马天云;宋韬;何勇;鲍一丹;;土壤中总氮与总磷含量的近红外光谱实时检测方法[J];农业机械学报;2009年S1期

中国重要会议论文全文数据库 前10条

1 甄梦章;;红外光谱解析程序[A];全国第六届分子振动光谱学术报告会文集[C];1990年

2 崔继承;赵振武;丁东;唐玉国;;纳米自洁净玻璃近红外光谱特性分析[A];第三次全国会员代表大会暨学术会议论文集[C];2002年

3 吴婧;郁露;孙素琴;;栽培与野生丹参的红外光谱三级鉴定研究[A];第十四届全国分子光谱学术会议论文集[C];2006年

4 梁逸曾;范伟;陈爱明;张志敏;;近红外光谱软件的设计和实现[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

5 谭福元;李梦龙;冯晓瑜;张婧;;红外光谱谱构关系探讨[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

6 杭义萍;王海水;;红外光谱:消除水溶液中水吸收峰干扰的新方法[A];中国化学会第28届学术年会第9分会场摘要集[C];2012年

7 王海水;席时权;;红外光谱与长烃链化合物的结构[A];全国第13届分子光谱学术报告会论文集[C];2004年

8 谢狄霖;;红外光谱信息管理系统[A];全国第13届分子光谱学术报告会论文集[C];2004年

9 邱江;潘红春;叶勤;张嗣良;;红外光谱监测糖化酶发酵过程[A];全国第10届分子光谱学术报告会论文集[C];1998年

10 孙宁邦;;气相色谱或放出气体分析与付立叶变换红外光谱联用的模块式接口[A];全国第五届分子光谱学术报告会文集[C];1988年

中国重要报纸全文数据库 前10条

1 记者 李犁;近红外光谱专业委员会云南物联站成立[N];云南日报;2011年

2 陈锐;红外光谱三分钟诊肿瘤[N];健康报;2004年

3 马斌睿;红外光谱用于中药质控大有可为[N];中国中医药报;2003年

4 陈锐 郭晓斌;红外光谱快速准确诊断肿瘤[N];家庭医生报;2004年

5 张东风 本报记者　　;红外光谱能否成为中药检测标准[N];中国中医药报;2005年

6 史春香 杨悦武 郭祝元;近红外光谱用于中药质控前景广阔[N];中国医药报;2006年

7 陈锐 郭晓斌;只用3～5分钟红外光谱实现快速准确诊断肿瘤[N];医药经济报;2004年

8 记者 张东风;红外光谱可用于中药生产质控[N];中国中医药报;2011年

9 陈锐;红外光谱——诊断肿瘤又一利器[N];大众卫生报;2004年

10 龚翔;中药快速识别的“武器”[N];中国医药报;2003年

中国博士学位论文全文数据库 前10条

1 龚祖永;光学和振动分子光谱的理论研究[D];中国科学技术大学;2016年

2 王安静;基于物理模型的污染气体云团红外光谱仿真研究[D];中国科学技术大学;2017年

3 薛晓康;电化学表面增强红外光谱的应用与发展[D];复旦大学;2008年

4 杜国荣;复杂体系近红外光谱建模方法研究[D];南开大学;2012年

5 郝勇;近红外光谱微量分析方法研究[D];南开大学;2009年

6 程旺兴;醌类中药小分子电子转移机理研究—红外光谱电化学循环伏吸法和导数伏吸法[D];安徽大学;2012年

7 贺英;基于半监督和迁移学习的近红外光谱建模方法研究[D];中国海洋大学;2012年

8 王金意;钯、镍及其非金属合金电极的表面红外光谱与应用研究[D];复旦大学;2010年

9 单瑞峰;近红外光谱建模方法及温度效应研究[D];南开大学;2014年

10 刘海;基于变分模型的红外光谱超分辨率方法研究[D];华中科技大学;2014年

中国硕士学位论文全文数据库 前10条

1 白沙沙;双边夹原理在红外光谱中的应用[D];华南理工大学;2015年

2 刘明地;红外光谱结合计算机解析技术对青海枸杞的鉴别研究[D];青海民族大学;2015年

3 徐娟;云南不同类型土壤的元素含量测定及红外光谱分析[D];云南师范大学;2015年

4 汪锐;太阳系天体有机物质的芳香性与脂肪性[D];南昌大学;2015年

5 彭惜媛;12种种子类药材多级红外光谱分析与鉴定[D];佳木斯大学;2015年

6 洪向前;频域近红外光谱医用检测系统的研究[D];电子科技大学;2015年

7 王昱陆;基于可见/近红外光谱的生鲜猪、牛、羊肉识别方法研究[D];新疆农业大学;2015年

8 马晓晨;近红外光谱无损检测霉变板栗的研究[D];北京林业大学;2016年

9 周铭;血小板聚集功能的检测—光谱学及软X线成像研究[D];安徽医科大学;2016年

10 李祥辉;近红外光谱在食品检验及生物分析中的应用研究[D];福州大学;2013年

，

本文编号：1301105